Ai总结： 以太坊基金会披露，尽管AI代理成功识别出真实漏洞（如CVE-2026-34219），但验证报告所需时间远超生成过程。团队强调人工复现仍是安全判定的最终标准。

AI发现漏洞后，验证成本远高于生成

以太坊基金会指出，当前最核心的挑战并非发现缺陷，而是对AI生成的漏洞报告进行有效甄别与验证。在近期实验中，多个AI代理被部署于以太坊底层代码环境，其目标是探测潜在软件问题。

多智能体协同机制降低误报率

为提升可靠性，基金会采用分布式多代理架构，各代理在不依赖中央调度的前提下，通过版本控制系统共享状态信息。工作流分为四个阶段：侦察阶段聚焦攻击面收敛，狩猎阶段追踪假设路径并构建可重现样本，填补阶段避免重复劳动，验证阶段独立评估每份报告的真实性与唯一性。

人工复现仍为漏洞成立的唯一标准

所有被采纳的漏洞声明必须满足严格条件：明确可达的目标、清晰的安全不变性定义、失败机制说明、可观测证据支持、自包含重现器及去重标识。这些要求确保每个报告均可在真实代码环境中直接测试。基金会强调，若无法在生产环境中复现，则该漏洞不予承认。

此外，候选报告还需经过实际可利用性评估——任何可被普通网络节点触发的缺陷，其风险等级显著高于需特权或极端资源才能激活的问题。基金会特别指出，AI在判断漏洞可达性、攻击链复杂度或依赖长序列交互的隐蔽缺陷方面仍存在明显局限，更适合作为有状态测试框架的辅助工具，而非替代人类专家。